Kursplan för AI- och programvarutekniksseminarium

Kursplan fastställd 2026-02-18 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAI and software engineering seminar
  • KurskodDAT550
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPSOF
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk

    Engelska

  • Anmälningskod

    24122

  • Max antal deltagare

    30 (minst 10% av platserna reserveras för utbytesstudenter)

  • Sökbar för utbytesstudenter

    Ja

Poängfördelning

Modul
LP1
LP2
LP3
LP4
Sommar
Ej LP
Tentamensdatum
0122 Inlämningsuppgift 7,5 hp
Betygsskala: TH		 7,5 hp

I program

Examinator

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kravet

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kraven

Kursspecifika förkunskaper

För behörighet till kursen krävs minst en kandidatexamen inom programvarukteknik, datavetenskap, datorteknik, informationsteknik, systemvetenskap, eller motsvarande.

Dessutom krävs avklarade kurser i:
  • En grundläggande kurs i AI/ML (t.ex. Introduction to data science and AI, Software Engineering for AI Systems, Software Engineering for Data-Intensive AI Applications eller motsvarande)
  • En allmän kurs i Software Engineering (t.ex. Software Engineering: Theory and Practice eller motsvarande) eller 6 hp inom ett eller flera av följande ämne inom programvaruteknik: programvaruprocess, programvaruarkitektur, programvarukvalitetsäkring eller testning, kravhantering.

Syfte

Artificiell intelligens och maskininlärning används mer och mer i praktiken. Men introduktionen av AI/ML-komponenter i ett mjukvarusystem eller mjukvaruutvecklingsprocessen kommer med nya utmaningar och behov och förändrar hur mjukvarusystemet konstrueras. Kursen baseras på ett antal teman angående programvaruteknik för AI/ML-aktiverade system som behandlar och tillämpar AI inom programvarukteknik.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Kunskap och förståelse
  • Förklara processer och tekniska metoder för att utveckla AI/ML-aktiverade system, från kravteknik till testning
  • Förklara typiska roller inom mjukvaruteknik för AI/ML -aktiverade system samt utmaningar i tvärvetenskapliga team bestående av datavetare och programvaruingenjörer
  • Förklara typiska krav för AI/ML-komponenter, till exempel icke-funktionella krav, krav på data, och kontextuella krav
  • Förklara arkitekturer och mönster för AI/ML-aktiverade system
  • Beskriva befintliga tekniker för att verifiera och förklara beslut som fattas av AI/ML-aktiverade system
  • Förklara användningen och begränsningarna av AI för att automatisera och förstärka arbetsflöden inom programvaruteknik
  • Ge en översikt över ny forskning om SE för AI/ML-aktiverade system (SE for AI) och AI för programvaruteknik (AI for SE)
Färdighet och förmåga
  • Läsa och analysera kritiskt forskning om:
    (1) tillämpningen av mjukvaruteknika metoder ock arbetssätt för att utveckla AI/ML-aktiverade system
    (2) användningen av AI/ML-tekniker för att förbättra mjukvaruutvecklingsprocesser (AI for SE)
  • Presentera dess innehåll och diskutera kritiskt den presenterade forskningsdesignen
Värderingsförmåga och förhållningssätt
  • Bedöma i vilken utsträckning systemet kring AI/ML-komponenter, antingen AI/ML-modeller integrerade i mjukvarusystem eller AI-baserade verktyg som används inom programvaruteknik, behöver skyddas
  • Bedöma vilka verifieringsmetoder är lämpliga när man utvecklar ett AI/ML- aktiverat system med tanke på kraven på det systemet
  • Bedöma rättvisa, bias, och potentiella andra etiska frågor i ett AI/ML-aktiverat system
  • Bedöma begränsningar av en toppmodern programvaruteknik för AI/ML och AI-verktyg som används för programvaruteknik med hjälp av bevis som presenteras i forskningsartiklar

Innehåll

Kursen baseras på ett antal teman angående programvaruteknik för AI/ML-aktiverade system som behandlar och tillämpar AI inom programvarukteknik:
  • Processer, tekniska metoder och tvärvetenskapliga team
  • Kravhantering
  • Arkitekturer
  • Verifikation och testning
  • Analys av felfall och felsökning
  • Rättvisa, partiskhet och etik
  • Användarhantering och förklarande AI -beslut

Organisation

Kursen ges i form av ett litteraturseminarium, som kombinerar aktiviteter som att studera publikationer, studentpresentationer och diskussioner. Studenterna kommer att utforska ett av ämnena i detalj och få mer överskådlig kunskap i de andra ämnena. En individuell essä/rapport är det sista elementet i kursen.

Litteratur

Denna kurs har ingen obligatorisk litteratur. Studenterna identifierar relevanta forskningsartiklar under kursens gång genom en litteraturgenomgång.

Examination inklusive obligatoriska moment

Examinationen består av en individuell presentation. Dessutom krävs aktivt deltagande och bidragande i diskussioner samt en individuell rapport.

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om riktat pedagogiskt stöd på grund av funktionsnedsättning.